針對(duì)運(yùn)維大數(shù)據(jù)維度高、形式多樣化和變化迅速等特性，為提高數(shù)據(jù)融合效率以及平臺(tái)的數(shù)據(jù)統(tǒng)計(jì)和決策分析性能，降低抽取一轉(zhuǎn)換一加載（ ETL）執(zhí)行時(shí)間開銷和數(shù)據(jù)中心負(fù)擔(dān)，面向智慧管養(yǎng)需求提出一種多層次任務(wù)調(diào)度（ MTS） ETL框架（MTS-ETL）。首先，將數(shù)據(jù)倉(cāng)庫(kù)分為數(shù)據(jù)臨時(shí)區(qū)、數(shù)據(jù)倉(cāng)儲(chǔ)區(qū)、數(shù)據(jù)分類區(qū)和數(shù)據(jù)分析區(qū)，并根據(jù)所分區(qū)域?qū)⑼暾腅TL過(guò)程劃分為4個(gè)層次的ETL任務(wù)調(diào)度環(huán)節(jié)，同時(shí)設(shè)計(jì)了多頻率ETL運(yùn)行調(diào)度以及順序和非順序兩種ETL工作模式；接著，基于MTS-ETL框架的非順序工作模式進(jìn)行數(shù)據(jù)融合的概念建模、邏輯建模和物理建模；最后，利用Pentaho Data Integration設(shè)計(jì)ETL轉(zhuǎn)換模塊和工作模塊以實(shí)現(xiàn)數(shù)據(jù)融合方法。在交通流量數(shù)據(jù)融合實(shí)驗(yàn)中，該方法融合136754條數(shù)據(jù)的時(shí)間僅為28.4 s；在千量級(jí)的數(shù)據(jù)融合實(shí)驗(yàn)中比傳統(tǒng)ETL方法的總平均執(zhí)行時(shí)間降低了6. 51%；報(bào)表分析結(jié)果表明其在融合400萬(wàn)條數(shù)據(jù)時(shí)依然能保證ETL過(guò)程的可靠性。所提方法能夠有效融合運(yùn)維大數(shù)據(jù)，提高平臺(tái)統(tǒng)計(jì)分析性能，并維持ETL執(zhí)行時(shí)間開銷在較低水平。